專利名稱：基于由傳感器測量出的數(shù)據(jù)找出候選的方法和裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種利用從DIMS等傳感器獲得的數(shù)據(jù)找出作為傳感器的測量對象的候選的技術(shù)。
背景技術(shù)：
作為對空氣中的物質(zhì)進(jìn)行檢測的傳感器，已知有不對稱電場離子遷移率光譜儀(FAIMS)或者微分型電遷移率光譜儀(DMS)。這種光譜儀(傳感器，以后統(tǒng)稱為DMS)對高壓-低壓地變化的不對稱電場輸入離子化后的流體樣品(例如氣體、液體或蒸氣)，根據(jù)離子的電場遷移率輸出對它們進(jìn)行過濾后的結(jié)果。在日本特表2008-508693號(hào)公報(bào)(國際公開W02006/013396、文獻(xiàn)I)中公開了一種對由于每種物質(zhì)的離子遷移率的差異所引起的物理現(xiàn)象進(jìn)行測量的裝置。在該文獻(xiàn)I中，特別記載了具有離子過濾器的離子遷移率光譜儀，該離子過濾器為至少一個(gè)離子通道的形狀，該離子通道具有多個(gè)電極。該離子遷移率光譜儀由于施加于導(dǎo)電層的隨時(shí)間變化的電位而能夠使填充劑的離子種類選擇性地進(jìn)入。電位具有驅(qū)動(dòng)電場成分和橫電場成分，在優(yōu)選的實(shí)施方式中，各個(gè)電極參與生成驅(qū)動(dòng)電場和橫電場這兩個(gè)電場的成分。即使沒有漂移氣流也能夠使用設(shè)備。在專利文獻(xiàn)I中還記載了用于制造如作為光譜儀的各種用途那樣的微量(miCToscale)光譜儀的微細(xì)加工技術(shù)。在日本特表2007-513340號(hào)公報(bào)(國際公開W02005/052546、文獻(xiàn)2)中，一般公開了一種涉及用于分析樣品的基于離子遷移率的系統(tǒng)、方法以及裝置的技術(shù)。例如公開了使用分散特性、樣品離解、和/或雖然沒有進(jìn)行限定但是如流道(flow channel)/過濾器電場狀態(tài)中的變動(dòng)那樣的在樣品處理時(shí)的變動(dòng)來改進(jìn)樣品收集、過濾、檢測、測量、識(shí)別和/或分析的若干事項(xiàng)。記載了以下內(nèi)容:并沒有對這樣的條件做以下限定，但是這樣的條件包括壓力、溫度、濕度、電場的強(qiáng)度以及占空比和/或頻率、電場電壓振幅及頻率和/或占空比、檢測器偏置電壓大小和/或極性、和/或過濾器電場補(bǔ)償電壓的大小和/或極性。在DMS中已知以下內(nèi)容:能夠通過使補(bǔ)償電壓Vc (Vcomp)相對于電場電壓Vrf進(jìn)行變化來獲得二維譜圖，并且能夠通過改變電場電壓Vrf來獲得三維譜圖。應(yīng)該在該二維譜圖和/或三維譜圖中包含作為DMS的測量對象的離子化后的流體樣品(以后統(tǒng)稱為氣體)的信息，能夠通過對譜圖進(jìn)行解析來確定氣體成分。在文獻(xiàn)2中提供關(guān)于多個(gè)已知種類的譜特征的庫，將未知種類的譜特征的至少一部分與保存在庫中的一個(gè)以上的譜特征的至少一部分進(jìn)行對比，來識(shí)別未知種類。另外，在文獻(xiàn)2中記載了以下內(nèi)容:譜特征包括譜峰振幅、譜峰寬度以及譜峰梯度、譜峰間隔、譜峰個(gè)數(shù)、由處理?xiàng)l件變化所引起的譜峰的相對位移、譜不連續(xù)點(diǎn)、Vrf與Vcomp之間的特性、或者針對其它任意一個(gè)以上的上述條件繪制上述條件的其它任意的特性所得到的特性。在這些信息中包含測量對象的氣體或其成分所特有的離子遷移率的信息。然而，還已知離子遷移率的信息的出現(xiàn)根據(jù)壓力、溫度、濕度等而發(fā)生變化。
另外，還已知信息的出現(xiàn)取決于裝置的不同而發(fā)生變化，在文獻(xiàn)2中公開了以下技術(shù):使用多個(gè)數(shù)據(jù)中的各數(shù)據(jù)，根據(jù)識(shí)別出它們的種類的固有的內(nèi)在遷移率特性，得到所檢測出的種類的可靠的識(shí)別。根據(jù)一個(gè)方式，能夠與作為對象的裝置所特有的參照庫進(jìn)行對比。另外，還能夠與不取決于裝置的通用的數(shù)據(jù)集進(jìn)行對比。在文獻(xiàn)2中還記載了在將系統(tǒng)用于進(jìn)行樣品分析之前對該系統(tǒng)進(jìn)行校正。具體地說，制作特定的Vcomp和Vrf下的針對已知的離子種類的離子強(qiáng)度的庫并保存到存儲(chǔ)器中。根據(jù)一個(gè)方式，設(shè)為一旦對系統(tǒng)進(jìn)行了校正，就不再需要進(jìn)行校正而能夠連續(xù)地使用該系統(tǒng)。例如記載了使用反應(yīng)物離子峰(RIP)或摻雜劑的峰來對系統(tǒng)進(jìn)行校正。在文獻(xiàn)2中還記載了以下內(nèi)容:為了判斷數(shù)據(jù)對象(參照矢量)P與測量值矢量P'的調(diào)整性的程度，而例如在將P和P'的成分(Vcomp、a)視作是歐幾里得幾何空間中的數(shù)據(jù)點(diǎn)的情況下計(jì)算距離，選擇與最小的歐幾里得距離的對比作為最佳的調(diào)整。另外，記載了使用其它已知的圖案識(shí)別算法、神經(jīng)網(wǎng)絡(luò)或者人工智能技術(shù)找出針對P'的最佳的調(diào)整的可能性。

發(fā)明內(nèi)容
盡管關(guān)于DMS公開了這些方法，但是很難認(rèn)定通過DMS確定氣體或其成分的技術(shù)被廣泛利用。本發(fā)明的一個(gè)方式是一種裝置，具有:接口，其接收由第一傳感器測量出的第一已測量數(shù)據(jù)集和表示第一已測量數(shù)據(jù)集的測量環(huán)境的第一環(huán)境信息；生成單元，其以由第一環(huán)境信息控制的條件對數(shù)據(jù)庫中已有的多個(gè)數(shù)據(jù)集進(jìn)行變換來生成多個(gè)虛擬數(shù)據(jù)集；以及輸出單元，其從包括多個(gè)虛擬數(shù)據(jù)集的暫定的集合中選擇接近第一已測量數(shù)據(jù)集的至少一個(gè)候選并輸出該至少一個(gè)候選。本發(fā)明的另一個(gè)方式是處理裝置對由第一傳感器測量出的數(shù)據(jù)進(jìn)行處理的方法，包括以下步驟。 接收由第一傳 感器測量出的第一已測量數(shù)據(jù)集。 以由第一環(huán)境信息控制的條件對已有的多個(gè)數(shù)據(jù)集進(jìn)行變換來生成多個(gè)虛擬數(shù)據(jù)集。 從包括多個(gè)虛擬數(shù)據(jù)集的暫定的集合中選擇接近第一已測量數(shù)據(jù)集的至少一個(gè)候選。在由DMS等第一傳感器得到的數(shù)據(jù)集中，測量對象物(氣體以及它們的成分)的特征的出現(xiàn)圖案受到各種要素的影響。因而，在已有的數(shù)據(jù)集中包含本身受到這些要素的影響的數(shù)據(jù)集的概率小。并且，表示包含在已有的數(shù)據(jù)集中的測量對象的數(shù)據(jù)集是在非常接近受到各種要素的影響的已測量數(shù)據(jù)集的條件下測量出的數(shù)據(jù)集的可能性也低。因而，該方法是通過生成虛擬數(shù)據(jù)集，強(qiáng)制增加接近已測量數(shù)據(jù)集的數(shù)據(jù)集，結(jié)果減少搜索空間的大小，提高了從測量出的數(shù)據(jù)中檢索或選擇的候選是所期望的數(shù)據(jù)的可能性。生成虛擬數(shù)據(jù)集的一個(gè)方法是利用將第一環(huán)境信息作為參數(shù)的模型對已有的多個(gè)數(shù)據(jù)集進(jìn)行變換。模型的一例是將環(huán)境信息中包含的多個(gè)要素作為參數(shù)的函數(shù)模型。生成虛擬數(shù)據(jù)集的另一個(gè)方法是將已有的多個(gè)數(shù)據(jù)集概率性地進(jìn)行組合。即使在難以預(yù)測或估計(jì)表示包含在已有的數(shù)據(jù)集中的測量對象的數(shù)據(jù)集的基于各要素的出現(xiàn)圖案的情況、無法事先得到對出現(xiàn)圖案產(chǎn)生影響的所有要素的情況、沒有完全明確對出現(xiàn)圖案產(chǎn)生影響的所有要素及這些要素所產(chǎn)生的影響的情況下，也能夠概率性地生成虛擬數(shù)據(jù)集。在本發(fā)明的一個(gè)方式的方法中，通過將已有的多個(gè)數(shù)據(jù)集概率性地進(jìn)行組合，來虛擬地?cái)U(kuò)大搜索對象(搜索空間)，概率性地增加接近已測量數(shù)據(jù)集的虛擬(偽)數(shù)據(jù)集，在已測量數(shù)據(jù)集的附近配置測量對象物或接近該測量對象物的虛擬數(shù)據(jù)集。而且，通過在這樣的搜索空間中進(jìn)行搜索，即使無法事先得到對出現(xiàn)圖案產(chǎn)生影響的所有要素，并且即使無法完全明確對出現(xiàn)圖案產(chǎn)生影響的所有要素及這些要素所產(chǎn)生的影響，也有可能得到測量對象物或接近該測量對象物的候選，能夠提高測量對象物的估計(jì)概率。并且，在該方法中，設(shè)置有接收表示第一已測量數(shù)據(jù)集的測量環(huán)境的第一環(huán)境信息的步驟，優(yōu)選的是生成多個(gè)虛擬數(shù)據(jù)集的步驟包括將已有的多個(gè)數(shù)據(jù)集按由第一環(huán)境信息控制的概率進(jìn)行組合來生成多個(gè)虛擬數(shù)據(jù)集。由于存在能夠通過第一環(huán)境信息限定生成偽數(shù)據(jù)集的范圍的可能性，因此能夠縮小搜索空間。


圖1是表示系統(tǒng)概要的框圖。圖2的(a)和(b)示出測量數(shù)據(jù)變化的情形。圖3是表示系統(tǒng)的另一例的框圖。圖4是表示進(jìn)行估計(jì)的方法的概要的流程圖。
具體實(shí)施例方式以基于通過FAMS所得到的數(shù)據(jù)來估計(jì)氣體成分(測量對象、對象)的系統(tǒng)為例進(jìn)一步說明本發(fā)明，該FAIMS是對空氣中或氣體中所包含的氣體成分的離子遷移率進(jìn)行測量的DMS之一。圖1示出對從FAMS得到的數(shù)據(jù)進(jìn)行解析的處理裝置(系統(tǒng))的概要結(jié)構(gòu)。該處理裝置10既可以通過利用合適的通信單元、例如因特網(wǎng)9與傳感器(FAMS) I或搭載有傳感器I的終端進(jìn)行連接的服務(wù)器實(shí)現(xiàn)，也可以內(nèi)置于終端，也可以通過軟件(程序、程序產(chǎn)品)實(shí)現(xiàn)，還可以通過LSI或ASIC等硬件(半導(dǎo)體處理裝置、處理裝置)實(shí)現(xiàn)一部分或全部。FAMSl包括:離子化單元la，其使目標(biāo)化學(xué)物質(zhì)(測量對象、對象)離子化；漂移室lb，其一邊對離子化后的測量對象施加電場的影響一邊使離子化后的測量對象移動(dòng)；以及檢測器lc，其對通過了漂移室Ib的離子化后的測量對象(測量對象的電荷)進(jìn)行檢測。在漂移室Ib中，由電極Ie生成的軟件控制的電場以特定的周期正、負(fù)地變動(dòng)，通過該電場的過濾效果，過濾出檢測目標(biāo)的化學(xué)物質(zhì)，該檢測目標(biāo)的化學(xué)物質(zhì)在短期間、例如以msec水平碰撞檢測器lc，作為電流而被測量出。相反地，對于非測量對象的化學(xué)物質(zhì)，能夠通過軟件改變漂移室Ib內(nèi)的電場的參數(shù)，來進(jìn)行如不傳送至檢測器Ic那樣的過濾處理。也就是說，能夠通過FAIMSl在短時(shí)間內(nèi)集中進(jìn)行檢測、分析(檢查)。另外，能夠通過在某測量范圍內(nèi)執(zhí)行FAMSl的掃描，來進(jìn)行大范圍的化學(xué)物質(zhì)分析。特別地，由于最近的MEMS技術(shù)的進(jìn)步，而微細(xì)化得到推進(jìn)，從而FAIMSl被安裝于最新的LC(液相色譜)/MS(質(zhì)譜)分析裝置的預(yù)處理部分。以后，通過將軟件技術(shù)與并行處理技術(shù)進(jìn)行組合，應(yīng)該可以期待加快分析裝置的小型化，并廣泛地應(yīng)用于各種產(chǎn)業(yè)領(lǐng)域、醫(yī)療領(lǐng)域、普通家庭。FAIMSl的一例是奧爾斯通(Owlstone)公司生產(chǎn)的傳感器，在離子化單元Ia中使用了 Ni63(555MBq的0射線源、0.1 V- Sv/hr)。關(guān)于能夠通過該離子化單元Ia進(jìn)行離子化的化學(xué)物質(zhì)，離子化結(jié)合能是67KeV以下，能夠?qū)Υ蠓秶幕瘜W(xué)物質(zhì)進(jìn)行檢測、分析。作為離子化單元la，正在研究使用UV(紫外線)的離子化單元、使用電暈放電的離子化單元等。FAIMSI作為爆炸物、危險(xiǎn)物的檢測、威脅檢測、化學(xué)物質(zhì)的檢測和分析、實(shí)時(shí)地檢測目標(biāo)變化的環(huán)境化學(xué)物質(zhì)的產(chǎn)品開發(fā)的平臺(tái)是最佳的。尤其是對于檢測ppm/ppb/ppt水平的微量物質(zhì)表現(xiàn)出優(yōu)秀的性能。如果目標(biāo)物質(zhì)明確、目標(biāo)的個(gè)數(shù)為100種以下，則理論上能夠在I 2秒內(nèi)確定出。然而，根據(jù)環(huán)境條件的不同而測量容易性發(fā)生變化，因此需要確認(rèn)背景條件。因而，在開展FAIMSl用于實(shí)際應(yīng)用時(shí)重點(diǎn)之一在于，相對于根據(jù)各種環(huán)境變量的差異、狀況的不同而發(fā)生變化的背景噪聲等穩(wěn)定地進(jìn)行目標(biāo)(對象、化學(xué)物質(zhì))的檢測和分析，提高精確度，并且實(shí)時(shí)地或以接近實(shí)時(shí)的速度進(jìn)行目標(biāo)的檢測和分析。圖2的(a)和(b)示出FAIMSl的測量結(jié)果的例子。雖然是同一樣品，但是作為FAIMSl的測量結(jié)果，有時(shí)根據(jù)測量環(huán)境的不同而表現(xiàn)出一見不同的行為。圖1所示的處理裝置10是要通過SW(軟件)處理技術(shù)實(shí)時(shí)地或以接近實(shí)時(shí)的速度進(jìn)行數(shù)據(jù)處理來解決該問題這樣的裝置。處理裝置10的功能例如能夠通過一個(gè)或多個(gè)半導(dǎo)體集成電路來提供。該處理裝置10被稱為OLP (OLfaction Processor:嗅覺處理器)，作為實(shí)現(xiàn)化學(xué)物質(zhì)的實(shí)時(shí)檢測、分析、數(shù)據(jù)庫登記的技術(shù)平臺(tái)而由本申請人開發(fā)。期待該OLP在今后作為能夠短期間、高效率、高品質(zhì)地實(shí)現(xiàn)期待投入到擴(kuò)大的新市場的各公司的產(chǎn)品開發(fā)的平臺(tái)。能夠開展包括FAMSl的各種系統(tǒng)99以及服務(wù)。0LP10包括接口 13和驅(qū)動(dòng)器11，該接口 13通過在FAMS (傳感器)I中設(shè)置測量條件55來從傳感器I獲取已測量的數(shù)據(jù)集(第一已測量數(shù)據(jù)集、以后稱為MS數(shù)據(jù))51。從0LP10的驅(qū)動(dòng)器11通過接口 13向傳感器I發(fā)送測量條件55。接口 13可以是無線也可以是有線，可以是數(shù)字也可以是模擬。也可以是如下環(huán)境:傳感器I自主地設(shè)定測量條件55，0LP10能夠通過接口 13自動(dòng)地獲取MS數(shù)據(jù)51。測量條件55包括電場電壓Vf (以后稱為電壓Vf)和補(bǔ)償電壓Vc。MS數(shù)據(jù)51的一例是通過在特定的電壓Vf下的與補(bǔ)償電壓Vc的變動(dòng)相對應(yīng)地變化的電流(由檢測裝置Ic檢測出的電流)I來表現(xiàn)的譜圖。MS數(shù)據(jù)51可以是對上述譜圖的特征點(diǎn)進(jìn)行采樣(提取)得到的數(shù)據(jù)，也可以是包括多個(gè)電壓Vf的譜的數(shù)據(jù)。雖然取決于通信速度，但是有可能由于提取特征點(diǎn)而譜圖所包含的數(shù)據(jù)量減少，因此期望0LP10獲取的MS數(shù)據(jù)51是對傳感器I所獲取的譜圖進(jìn)行AD轉(zhuǎn)換得到的數(shù)據(jù)。0LP10還具有:解析單元100，其對獲取到的MS數(shù)據(jù)51進(jìn)行預(yù)解析；生成單元200，其經(jīng)由網(wǎng)絡(luò)9等從數(shù)據(jù)庫80獲取已有的多個(gè)數(shù)據(jù)集81，生成多個(gè)虛擬(偽)數(shù)據(jù)集71 ;選擇單元40，其從已有的數(shù)據(jù)集81中理論選擇適當(dāng)?shù)膶?shí)際數(shù)據(jù)集76;輸出單元30，其從包括虛擬數(shù)據(jù)集71和實(shí)際數(shù)據(jù)集76的候選數(shù)據(jù)庫79中的候選數(shù)據(jù)集75中選擇接近IMS數(shù)據(jù)51的一個(gè)或多個(gè)候選數(shù)據(jù)集75 ;以及登記單元300，其將已測量的MS數(shù)據(jù)51作為已有的數(shù)據(jù)集81登記到數(shù)據(jù)庫80中。
各個(gè)已有的數(shù)據(jù)集(已知的數(shù)據(jù)集、已得的數(shù)據(jù)集)81包括由過去的若干個(gè)類型的IMS (離子遷移率傳感器、離子遷移率光譜儀)測量各成分和/或各產(chǎn)品(商品)得到的結(jié)果(數(shù)據(jù))、根據(jù)已有的化學(xué)數(shù)據(jù)庫(化學(xué)物質(zhì)數(shù)據(jù)庫)計(jì)算離子遷移率得到的結(jié)果等，表示能夠與測量所使用的傳感器I (在本例中是FAIMS)的測量結(jié)果(已測量數(shù)據(jù)集、MS數(shù)據(jù))51進(jìn)行比較的已有的數(shù)據(jù)。已有的數(shù)據(jù)集81包括譜圖信息82、表示特定的化學(xué)物質(zhì)的特征的識(shí)別信息83、變動(dòng)信息84。譜圖信息82是用于生成與從傳感器I獲得的MS數(shù)據(jù)51進(jìn)行對比的譜圖(在特定的電壓Vf下通過補(bǔ)償電壓Vc的變動(dòng)所表現(xiàn)的譜圖)的信息，包括離子遷移率、典型的傳感器類型的在代表性的電壓Vf下的譜圖樣品等。識(shí)別信息83包括主要的名稱、化學(xué)性信息(CAS登記編號(hào)、PUBCHEM、RTECS編號(hào)、化學(xué)式、摩爾質(zhì)量、密度、其它物性等)、包含在產(chǎn)品中的可能性和比例、如果是產(chǎn)品則產(chǎn)品中所含的成分及其比例等。變動(dòng)信息84包括表示對于作為MS數(shù)據(jù)51出現(xiàn)時(shí)的環(huán)境信息(溫度、濕度、壓力、流量、電場強(qiáng)度、傳感器類型等)的理論上的和/或?qū)嶒?yàn)上的依賴性的信息。0LP10從已設(shè)置的傳感器等接收表示得到MS數(shù)據(jù)51的測量環(huán)境的環(huán)境信息(第一環(huán)境信息)60。環(huán)境信息60包括溫度、濕度、壓力、流量等物理性信息61以及應(yīng)用信息
62。能夠從提供應(yīng)用的應(yīng)用服務(wù)服務(wù)器62s、搭載有FAIMSl的終端等獲取應(yīng)用信息62。應(yīng)用信息62包括位置信息63、圖像信息64以及用戶輸入信息65。此外，0LP10獲取的環(huán)境信息60也可以包括這些信息的一部分或全部。物理性信息61能夠從設(shè)置在FAMSl附近或者搭載有FAMSl的終端中的傳感器群69獲取。傳感器群(第二傳感器)69包括適合測量溫度、濕度、壓力、流量等物理量的傳感器。也能夠根據(jù)位置信息63等應(yīng)用信息62從定點(diǎn)觀測溫度、濕度等的其它系統(tǒng)間接地獲取FAMSl周圍的環(huán)境信息60。并且，如果環(huán)境信息60包括日期和時(shí)間，則也能夠根據(jù)日期和時(shí)間估計(jì)某種程度的溫度范圍來作為物理性信息61進(jìn)行利用。生成單元200包括模擬器210和概率性生成單元220，該模擬器210利用模型來生成虛擬數(shù)據(jù)集71，該概率性生成單元220概率性地生成虛擬數(shù)據(jù)集71。在以后，主要說明由模擬器210生成虛擬數(shù)據(jù)集71的情況。通過驅(qū)動(dòng)器11獲取到的MS數(shù)據(jù)51首先在預(yù)解析單元100中進(jìn)行預(yù)解析。預(yù)解析單元100包括前處理單元101,該前處理單元101進(jìn)行去除IMS數(shù)據(jù)51的譜圖所包含的背景噪聲、將多個(gè)峰分離、獲取使各個(gè)峰具有特征的參數(shù)等處理。預(yù)解析單元100還包括:特征點(diǎn)提取單元102，其在通過前處理單元101得到的數(shù)據(jù)中提取使MS數(shù)據(jù)51具有特征的若干個(gè)點(diǎn)；特征選擇單元103，其從所提取的特征點(diǎn)中選擇作為MS數(shù)據(jù)51的產(chǎn)生源(候選)的認(rèn)為是化學(xué)物質(zhì)的特征的配置文件(profile);以及背景文件配置單元104，其將MS數(shù)據(jù)51的背景配置文件保存為輔助信息。特征點(diǎn)提取單元102提取分離后的峰的位置(與電場電壓Vf、補(bǔ)償電壓Vc之間的關(guān)系)、強(qiáng)度、順序等作為特征點(diǎn)。特征選擇單元103從若干個(gè)特征點(diǎn)中在理論上、實(shí)驗(yàn)上、還在經(jīng)驗(yàn)(學(xué)習(xí))上選擇作為MS數(shù)據(jù)51的產(chǎn)生源(候選)的認(rèn)為是化學(xué)物質(zhì)的特征的配置文件。背景文件配置單元104將從MS51中去除被選擇為MS數(shù)據(jù)51的特征的配置文件后的背景配置文件保存為用于對候選的變動(dòng)進(jìn)行擴(kuò)大或變更的輔助信息。模擬器210包括:參照單元211，其根據(jù)由預(yù)解析單元100獲得的特征點(diǎn)信息19，參照已有的數(shù)據(jù)庫80，從已有的數(shù)據(jù)集81中選擇特征點(diǎn)等相同的多個(gè)數(shù)據(jù)集；文件配置單元212，其基于由預(yù)解析單元100獲得的特征點(diǎn)信息19和環(huán)境信息60，生成在預(yù)測模型中使用的參數(shù)；以及模擬器內(nèi)核(Sim內(nèi)核)213，其使用所生成的參數(shù)和預(yù)測模型生成虛擬數(shù)據(jù)集71。該0LP10包括根據(jù)特征點(diǎn)信息19從已有數(shù)據(jù)庫80中選擇特征點(diǎn)相同的實(shí)際數(shù)據(jù)集76的單元40。在僅比較實(shí)際數(shù)據(jù)集76的情況下，無法在實(shí)際數(shù)據(jù)集之差較小時(shí)追加其它的特征點(diǎn)來增加數(shù)據(jù)數(shù)、或者在MS數(shù)據(jù)51與實(shí)際數(shù)據(jù)集76之間的歐幾里得距離大時(shí)縮減數(shù)據(jù)數(shù)。并且，如上所述那樣，即使是相似性高的化學(xué)物質(zhì)，也通過變更濃度、溫度、電場強(qiáng)度使離子遷移率的差發(fā)生變化。模擬器210通過使用環(huán)境變量(環(huán)境條件)60使已有的數(shù)據(jù)集81積極地發(fā)生變化，來構(gòu)建用于確定作為IMS數(shù)據(jù)51的源(候選)的化學(xué)物質(zhì)的數(shù)據(jù)庫79。關(guān)于模擬器內(nèi)核213所采用的預(yù)測模型，已知離子遷移率取決于各化學(xué)物質(zhì)的截面積、分子構(gòu)造。因而，如果能夠根據(jù)特征點(diǎn)信息19判斷化學(xué)物質(zhì)所屬的基(官能團(tuán))，則存在能夠提高預(yù)測模型的精確度并大幅地削減搜索空間的可能性。除此之外，期望預(yù)測模型具有化學(xué)物質(zhì)的截面積、分子量、離子化量、濃度、溫度、濕度、背景物質(zhì)等作為參數(shù)。針對這些參數(shù)，離子遷移率表現(xiàn)非線性行為的情形較多。因而，預(yù)測模型也可以是包括線性插值、外插/內(nèi)插的模型，但是優(yōu)選利用收斂快的非線性的函數(shù)模型。另外，為了用作預(yù)測模型，而期望是容易吸收與實(shí)測數(shù)據(jù)之間的偏差的模型。函數(shù)模型的一個(gè)候選是使用了樣條函數(shù)的模型。函數(shù)模型也可以是以環(huán)境條件為參數(shù)的其它的非線性級數(shù)(函數(shù))。另外，模擬器內(nèi)核213也可以具備回歸收斂功能。另外，期望預(yù)測模型能夠針對存在于因特網(wǎng)9的多個(gè)已有數(shù)據(jù)庫80中所包含的數(shù)據(jù)進(jìn)行收斂。這樣，在0LP10中生成多個(gè)候選數(shù)據(jù)集75并建立候選數(shù)據(jù)庫79，該多個(gè)候選數(shù)據(jù)集75是由生成單元200生成的多個(gè)虛擬數(shù)據(jù)集71和由選擇單元40理論生成的一個(gè)或多個(gè)實(shí)際數(shù)據(jù)集76的集合。由生成單元200生成的多個(gè)虛擬數(shù)據(jù)集71與MS數(shù)據(jù)51之間的歐幾里得距離有可能比實(shí)際數(shù)據(jù)集76與MS數(shù)據(jù)51之間的歐幾里得距離短。因而，存在能夠更高精確度地確定頂S數(shù)據(jù)51的產(chǎn)生源的化學(xué)物質(zhì)的可能性。此外，在下面詳細(xì)記述概率性生成單元220。輸出單元30包括:候選選擇單元31，其選擇作為MS數(shù)據(jù)51的產(chǎn)生源(對象)的以某種程度的概率估計(jì)出的一個(gè)或多個(gè)候選數(shù)據(jù)集75 ;傳感器控制單元32，其重新設(shè)定傳感器I的測量條件；數(shù)據(jù)庫或緩存39，其保存過去選擇的候選的歷史；歷史檢索單元38，其參照歷史，從多個(gè)候選中選擇假定概率最高的候選；以及顯示轉(zhuǎn)換單元33，其將所選擇的候選數(shù)據(jù)集75轉(zhuǎn)換為成分名或產(chǎn)品名并發(fā)送到用戶的終端2。候選選擇單元31通過比特征點(diǎn)信息19還多的點(diǎn)來判斷MS數(shù)據(jù)51與候選數(shù)據(jù)庫79的各候選數(shù)據(jù)集75之間的距離，選擇作為MS數(shù)據(jù)51的對象的以某種程度的概率估計(jì)出的一個(gè)或多個(gè)候選數(shù)據(jù)集75。在存在能夠改變相同概率(次序)的多個(gè)候選數(shù)據(jù)集75的次序的傳感器I的測量條件的情況下，傳感器控制單元32將該條件55返回給驅(qū)動(dòng)器11來使傳感器I重新進(jìn)行測量，從而能夠獲取能從多個(gè)候選中選擇最佳的候選的IMS數(shù)據(jù)51。歷史檢索單元38從記錄在緩存39的歷史中所包含的多個(gè)候選數(shù)據(jù)集75中選擇最近或者針對連續(xù)獲取到的MS數(shù)據(jù)51所選擇的相同的候選數(shù)據(jù)集75并進(jìn)行輸出。歷史檢索單元38例如將基于第一 IMS數(shù)據(jù)51和第一環(huán)境信息60選擇的多個(gè)候選數(shù)據(jù)集75與基于第二 IMS數(shù)據(jù)51和第二環(huán)境信息60選擇的多個(gè)候選數(shù)據(jù)集75中相同的候選數(shù)據(jù)集75作為最有可能的候選數(shù)據(jù)集75進(jìn)行輸出。顯示轉(zhuǎn)換單元33基于被組合成候選數(shù)據(jù)集75的已有數(shù)據(jù)集81的識(shí)別信息83來選擇或生成包括成分名或產(chǎn)品名的內(nèi)容，將接近MS數(shù)據(jù)51的候選數(shù)據(jù)集75作為內(nèi)容提供至用戶的終端2。顯示轉(zhuǎn)換單元33將候選數(shù)據(jù)集75作為能夠顯示在終端2的顯示裝置2d上的信息提供至終端2。顯示轉(zhuǎn)換單元33在候選數(shù)據(jù)集75作為香水的配方等而通過著作權(quán)、專利權(quán)或其它權(quán)利進(jìn)行保護(hù)的情況下，將產(chǎn)品名而非成分名顯示在顯示裝置2d上。0LP10還包括將MS數(shù)據(jù)51登記到已有的數(shù)據(jù)庫80的登記單元300。登記單元300包括判斷出MS數(shù)據(jù)51的源(來源)的化學(xué)物質(zhì)為未登記的單元301。在輸出單元30中MS數(shù)據(jù)51與包含在候選數(shù)據(jù)庫79中的數(shù)據(jù)之間的歐幾里得距離不在規(guī)定的范圍內(nèi)時(shí)，該單元301判斷為提供MS數(shù)據(jù)51的已有的數(shù)據(jù)集81未包含在數(shù)據(jù)庫80中。被判斷為未登記的MS數(shù)據(jù)51與歐幾里得距離相近的若干個(gè)候選數(shù)據(jù)集71和76 一起登記到已有的數(shù)據(jù)庫80中，往后已有的數(shù)據(jù)庫80的數(shù)據(jù)量增加或等待通過改進(jìn)模擬器210的預(yù)測模型來解決的機(jī)會(huì)。登記單元300還包括將MS數(shù)據(jù)51與特征點(diǎn)數(shù)據(jù)19相關(guān)聯(lián)地登記到數(shù)據(jù)庫80中的單元302、將MS數(shù)據(jù)51作為實(shí)際模型登記到數(shù)據(jù)庫80中的單元303以及將MS數(shù)據(jù)51作為背景模型進(jìn)行登記的單元304。作為實(shí)際模型進(jìn)行登記的單元303將MS數(shù)據(jù)51作為基于IMS數(shù)據(jù)51確定出的化學(xué)物質(zhì)、成分或產(chǎn)品的代表性的數(shù)據(jù)(實(shí)際模型)登記到數(shù)據(jù)庫80中。作為背景模型進(jìn)行登記的單元304將MS數(shù)據(jù)51作為基于MS數(shù)據(jù)51確定出的化學(xué)物質(zhì)、成分或產(chǎn)品的輔助性的數(shù)據(jù)登記到數(shù)據(jù)庫80中。圖1所示的FAMSl以及0LP10例如是與網(wǎng)絡(luò)9相連接的移動(dòng)觀測系統(tǒng)、定點(diǎn)觀測系統(tǒng)或者遠(yuǎn)程觀測系統(tǒng)。顯示轉(zhuǎn)換單元33包括使個(gè)人計(jì)算機(jī)等終端2經(jīng)由網(wǎng)絡(luò)9將IMS數(shù)據(jù)51顯示為圖像2a、將緩存39的數(shù)據(jù)顯示為圖像2b、還顯示內(nèi)容2c的功能。內(nèi)容2c包括與多個(gè)候選數(shù)據(jù)集75相對應(yīng)地在網(wǎng)絡(luò)9上公開的多個(gè)信息2x、最有可能的候選的信息2y以及與有可能的候選的信息2y相關(guān)聯(lián)的信息2z。作為0LP10的功能，也能夠搭載于進(jìn)行已有的數(shù)據(jù)庫80的服務(wù)的服務(wù)器400，也能夠由服務(wù)器400經(jīng)由網(wǎng)絡(luò)9向終端2提供內(nèi)容2c。圖3示出在終端2中搭載有傳感器(FAMS) I的系統(tǒng)99的概要。作為對FAMSl的數(shù)據(jù)進(jìn)行解析的裝置(系統(tǒng))的0LP10可以由通過適當(dāng)?shù)耐ㄐ艈卧?、例如因特網(wǎng)9與搭載有傳感器I的終端2進(jìn)行連接的服務(wù)器實(shí)現(xiàn)，也可以內(nèi)置于終端2。終端2也可以是能夠進(jìn)行從0LP10的驅(qū)動(dòng)器11通過接口 13提供傳感器I的測量條件55的遙感的環(huán)境。另外，終端2還可以是自行設(shè)定測量條件55并能夠由0LP10通過接口 13自動(dòng)地獲取MS數(shù)據(jù)51和測量條件55的環(huán)境。0LP10如上所述那樣包括預(yù)解析單元100、生成單元200、選擇單元40以及登記單元300。生成單元200包括模擬器210和概率性生成單元220，該概率性生成單元220經(jīng)由網(wǎng)絡(luò)9等從數(shù)據(jù)庫80獲取已有的多個(gè)數(shù)據(jù)集81，概率性地生成多個(gè)虛擬(偽)數(shù)據(jù)集71。在以后，以概率性地生成虛擬數(shù)據(jù)集71的例子為中心進(jìn)行說明。0LP10從終端2或設(shè)置在其周圍的傳感器等接收表示能夠得到MS數(shù)據(jù)51的測量環(huán)境的環(huán)境信息(第一環(huán)境信息)60。環(huán)境信息60的溫度、濕度、壓力、流量等物理性信息61能夠從搭載于終端2的傳感器(第二傳感器、傳感器群)69獲取。與上述同樣地，也可以根據(jù)終端2的位置信息63，從定點(diǎn)觀測溫度、濕度等的其它系統(tǒng)間接地獲取物理性信息61。應(yīng)用信息62是用于縮小傳感器I所測量出的對象的搜索范圍的信息。位置信息63能夠從搭載于終端2的GPS (第三傳感器)68、基站信息等中獲得。能夠根據(jù)所獲得的位置信息63估計(jì)由傳感器I測量出的可能性高的對象(化學(xué)物質(zhì))，縮小搜索范圍。典型地說，圖像信息64能夠從搭載于終端2的照相機(jī)67獲得?；蛘咭材軌蚧谖恢眯畔?3從定點(diǎn)監(jiān)測器獲得表示終端2的位置周圍的圖像。圖像信息64用于估計(jì)由傳感器I測量出的可能性聞的對象的范圍。用戶輸入信息65能夠從終端2的用戶接口(外部輸入接口)66、處于網(wǎng)絡(luò)上(云(cloud))的用戶信息等中獲取。用戶輸入信息65包括具有用戶想要的信息的領(lǐng)域、例如健康、食品、飲料、動(dòng)物等的信息的各種分類的信息，通過綜合這些信息，能夠估計(jì)作為傳感器I的測量對象的可能性高的對象的范圍。生成單元200的概率性生成單元220包括概率性處理單元20、保存有被處理單元20所參照的函數(shù)、模型、初始值等的庫29以及作為處理單元20的作業(yè)區(qū)的臨時(shí)候選數(shù)據(jù)庫73。處理單元20包括概率性結(jié)合引擎21和迭代算法引擎22。概率性生成單元220的處理單元20概率性地組合從數(shù)據(jù)庫80獲得的已有的數(shù)據(jù)集81來生成虛擬數(shù)據(jù)集71。在本例中，處理單元20以兩個(gè)階段生成虛擬數(shù)據(jù)集71。首先，概率性結(jié)合引擎21生成臨時(shí)候選數(shù)據(jù)庫73，該臨時(shí)候選數(shù)據(jù)庫73包括根據(jù)環(huán)境信息60將多個(gè)已有的數(shù)據(jù)集81概率性地進(jìn)行結(jié)合并在迭代算法引擎22中使用的多個(gè)臨時(shí)候選數(shù)據(jù)集72。概率性結(jié)合引擎21還生成將臨時(shí)候選數(shù)據(jù)集72進(jìn)行組合的一個(gè)或多個(gè)函數(shù)(初始函數(shù))25以及一個(gè)或多個(gè)初始條件26。接著， 迭代算法引擎22將由預(yù)解析單元100獲得的IMS數(shù)據(jù)51的特征點(diǎn)信息19作為目標(biāo)來通過元啟發(fā)式(Meta-heuristics)方法概率性地找出接近IMS數(shù)據(jù)51的一個(gè)或多個(gè)虛擬數(shù)據(jù)集71。元啟發(fā)式的迭代算法包括模擬退火法(simulated annealing)、平均場退火法、遺傳算法等。概率性結(jié)合引擎21為了縮小后續(xù)處理中的搜索范圍，而以由環(huán)境信息60控制的概率組合已有的數(shù)據(jù)集81。具體地說，概率性結(jié)合引擎21根據(jù)環(huán)境信息60、尤其是溫度等物理性信息61，在理論上和/或?qū)嶒?yàn)上改變已有的數(shù)據(jù)集81來生成多個(gè)臨時(shí)候選數(shù)據(jù)集(第一已變換數(shù)據(jù)集)72。概率性結(jié)合引擎21根據(jù)物理性信息61，在理論上和/或?qū)嶒?yàn)上改變已有的數(shù)據(jù)集81，因此能夠利用已有的數(shù)據(jù)集81的變動(dòng)信息84。各分子的離子的平均移動(dòng)速度Vd在理論上與電場的強(qiáng)度E成比例，可以通過下面的式⑴提供。Vd=KXE (I)提供離子遷移率的移動(dòng)系數(shù)K的邏輯式的一例通過動(dòng)量轉(zhuǎn)移理論而如下。K=(3e/16N)X (2 JI / U k Teff)1/2 ((1+ a ) / Q d (Teff)) (2)在此，e是離子的電荷，N是緩沖氣體的密度，k是波爾茲曼常數(shù)，ii是離子與緩沖氣體分子的換算質(zhì)量，TefT是緩沖氣體的漂移管中的有效溫度，a是校正項(xiàng)且通常遠(yuǎn)小于I。Qd是碰撞截面積(碰撞積分)，通過下面的式(3)提供。Qd=Jir2Q (I, I) XT (3)在此，r是分子半徑，Q (I, I)是分子固有的值，并且根據(jù)濕度、溫度、緩沖氣體(載氣、漂移氣體)等而變化。因而，概率性結(jié)合引擎21能夠利用這些邏輯式以及根據(jù)上述的邏輯式對大量實(shí)驗(yàn)結(jié)果進(jìn)行解析得到的結(jié)果，來根據(jù)環(huán)境信息60改變已有的數(shù)據(jù)集81。概率性結(jié)合引擎21也能夠根據(jù)環(huán)境信息60、尤其是應(yīng)用信息62，在已有的數(shù)據(jù)集81中將多個(gè)數(shù)據(jù)集以概率相對高的方式進(jìn)行組合來生成多個(gè)臨時(shí)候選數(shù)據(jù)集(第二已變換數(shù)據(jù)集)72。由于根據(jù)應(yīng)用信息62對已有的數(shù)據(jù)集81進(jìn)行組合，因此能夠利用已有的數(shù)據(jù)集81的識(shí)別信息83。并且，該概率性結(jié)合引擎21通過將MS數(shù)據(jù)51的特征點(diǎn)信息19插入于初始值等中，使概率性估計(jì)出的范圍收斂于MS數(shù)據(jù)51的附近。在該處理單元20中，由概率性結(jié)合引擎21主要根據(jù)應(yīng)用信息62概率性地對已有的數(shù)據(jù)集81進(jìn)行組合來生成臨時(shí)候選數(shù)據(jù)集72。接著，根據(jù)物理性信息61生成在迭代算法引擎22中使用的初始函數(shù)25和初始條件26。并且，由迭代算法引擎22通過理論性的參數(shù)和/或?qū)嶒?yàn)性的參數(shù)組合臨時(shí)候選數(shù)據(jù)集72來概率性地找出接近IMS數(shù)據(jù)51的多個(gè)虛擬數(shù)據(jù)集71。概率性結(jié)合引擎21包括一個(gè)或多個(gè)結(jié)合引擎。在本例中，概率性結(jié)合引擎21包括貝葉斯結(jié)合引擎23以及啟發(fā)式結(jié)合引擎24，將它們獨(dú)立或者結(jié)合地使用。啟發(fā)式結(jié)合引擎24是利用啟發(fā)式搜索方法來通過非線性結(jié)合將任意的要素進(jìn)行結(jié)合的引擎。在本例中，啟發(fā)式結(jié)合引擎24使用理論性的規(guī)則和/或發(fā)現(xiàn)性的規(guī)則的任意的(概率性的)組合來對已有的數(shù)據(jù)集81進(jìn)行組合。例如在國際公開W02002/087259等中記載了使用啟發(fā)式搜索方法的結(jié)合引擎。在國際 公開W02002/087259中公開了使用遺傳算法的方法。貝葉斯結(jié)合引擎23使用貝葉斯定理(貝葉斯網(wǎng)絡(luò))來對已有的數(shù)據(jù)集81進(jìn)行組合。使用貝葉斯網(wǎng)絡(luò)概率性地對要素進(jìn)行組合的方法是公知的，例如在國際公開W000/075863, W02001/058145 等中公開了該方法?？稍谪惾~斯結(jié)合引擎23中使用的推論、可在啟發(fā)式結(jié)合引擎24中使用的規(guī)則等被存儲(chǔ)在庫29中。庫29的內(nèi)容根據(jù)迭代算法引擎22的收斂狀況來更新被這些引擎23和24使用的優(yōu)先級。因而，在處理單元20中，根據(jù)環(huán)境信息60以及MS數(shù)據(jù)51的特征點(diǎn)信息19，在測量出MS數(shù)據(jù)51的環(huán)境或接近該環(huán)境的條件下，生成接近MS數(shù)據(jù)51的多個(gè)虛擬數(shù)據(jù)集71。而且，虛擬數(shù)據(jù)集71是添加概率性的要素而生成的，因此成為針對在理論上或?qū)嶒?yàn)上預(yù)測出的數(shù)據(jù)集不確定的或者具有波動(dòng)的虛擬數(shù)據(jù)集71。因而，能夠針對在理論上或?qū)嶒?yàn)上預(yù)測出的數(shù)據(jù)集準(zhǔn)備更接近MS數(shù)據(jù)51的虛擬數(shù)據(jù)集71。并且，在處理單元20中，由于添加概率性的和發(fā)現(xiàn)性的要素來生成虛擬數(shù)據(jù)集71，因此即使在無法預(yù)測對象的出現(xiàn)圖案時(shí)、環(huán)境信息60變化時(shí)、存在無法表現(xiàn)為環(huán)境信息60的變化的變化時(shí)、0LP10所獲得的環(huán)境信息60存在限制時(shí)、進(jìn)一步地說存在無法預(yù)測的變化時(shí)，能夠生成接近MS數(shù)據(jù)51的虛擬數(shù)據(jù)集71的可能性高。因而，能夠以更高的概率估計(jì)出IMS數(shù)據(jù)51的對象。迭代算法引擎22將MS數(shù)據(jù)51的特征點(diǎn)信息19作為目標(biāo)來生成虛擬數(shù)據(jù)集71。特征點(diǎn)信息19能夠包含MS數(shù)據(jù)51的譜圖中所包含的主要的峰的位置、形狀(半值寬度、高度、分散、角度等)、峰的間隔等，能夠控制迭代算法引擎22所采用的作為目標(biāo)的信息量。因而，能夠根據(jù)概率性生成的多個(gè)初始函數(shù)25和初始值26以及作為目標(biāo)的特征點(diǎn)信息19的信息量，生成若干個(gè)虛擬數(shù)據(jù)集71。即，在迭代算法引擎22中，使用由概率性結(jié)合引擎21生成的初始函數(shù)25和初始條件26，將特征點(diǎn)信息19作為目標(biāo)，利用迭代算法將多個(gè)臨時(shí)候選數(shù)據(jù)集72和/或已有的數(shù)據(jù)集81進(jìn)行組合來生成虛擬數(shù)據(jù)集71。因而，能夠概率性地找出接近MS數(shù)據(jù)51的多個(gè)虛擬數(shù)據(jù)集71。在迭代算法引擎22中，也能夠反復(fù)利用迭代算法來使虛擬數(shù)據(jù)集71增加。S卩，將信息量少的特征點(diǎn)信息19作為目標(biāo)來利用迭代算法(模擬退火法、平均場退火法、遺傳算法等)生成若干個(gè)虛擬數(shù)據(jù)集71，但是迭代算法引擎22還可以將該虛擬數(shù)據(jù)集71作為初始值，將信息量比較多的特征點(diǎn)信息19作為目標(biāo)，再次利用相同或不同的迭代算法生成虛擬數(shù)據(jù)集71。 通過這樣，在0LP10中，生成多個(gè)候選數(shù)據(jù)集75并建立候選數(shù)據(jù)庫79，該多個(gè)候選數(shù)據(jù)集75是由處理單元20概率性生成的多個(gè)虛擬數(shù)據(jù)集71和由選擇單元40理論生成的一個(gè)或多個(gè)實(shí)際數(shù)據(jù)集76的集合。因而，在候選數(shù)據(jù)庫79中包含與IMS數(shù)據(jù)51之間的歐幾里得距離近的虛擬數(shù)據(jù)集71的可能性高。因此，輸出單元30也能夠添加比特征點(diǎn)信息19多的要素、例如譜圖本身的相似性、背景配置文件等來判斷IMS數(shù)據(jù)51與候選數(shù)據(jù)庫79的各候選數(shù)據(jù)集75之間的距離。因此，能夠以更高的概率估計(jì)出作為MS數(shù)據(jù)51的對象的一個(gè)或多個(gè)候選數(shù)據(jù)集75。輸出單元30的結(jié)構(gòu)與圖1所示的裝置相同。候選數(shù)據(jù)庫79中所包含的多個(gè)虛擬數(shù)據(jù)集71是通過迭代算法引擎22將特征點(diǎn)信息19作為目標(biāo)而某種程度上在熵(entropy)很低的狀態(tài)下穩(wěn)定的數(shù)據(jù)集，不包括與特征點(diǎn)信息19之間的距離(歐幾里得距離)非常遠(yuǎn)的數(shù)據(jù)集。然而，是包括雖說接近IMS數(shù)據(jù)51但距離的次序各種各樣的數(shù)據(jù)集的暫定的集合。另外，數(shù)據(jù)間的距離是如果進(jìn)行比較的對象增加或者進(jìn)行比較的對象不同則變化的信息。因而，即使是在特征點(diǎn)信息19的范圍內(nèi)非常接近IMS數(shù)據(jù)51的虛擬數(shù)據(jù)集71，在添加不包含在特征點(diǎn)信息19中的、或者并非為了概率性地生成若干個(gè)虛擬數(shù)據(jù)集71而包含在特征點(diǎn)信息19中的微小的峰或接近噪聲的其它譜圖的特征來重新評價(jià)與IMS數(shù)據(jù)51之間的距離的情況下，包括虛擬數(shù)據(jù)集71的候選數(shù)據(jù)集75與MS數(shù)據(jù)51之間的距離(次序)有可能發(fā)生變化。選擇單元31也可以包含這樣的重新進(jìn)行評價(jià)的功能。另外，0LP10能夠以傳感器I的測量間隔(采樣間隔)依次獲取IMS數(shù)據(jù)51和環(huán)境信息60。在將多個(gè)傳感器I連接在接口 13上的情況下，0LP10能夠以更短的間隔獲取多個(gè)頂S數(shù)據(jù)51。選擇單元31包括動(dòng)態(tài)地從這些能夠依次獲取的MS數(shù)據(jù)51和與其對應(yīng)的虛擬數(shù)據(jù)集71中選擇更接近對象的虛擬數(shù)據(jù)集71的功能。由選擇單元31選擇的一個(gè)或多個(gè)候選數(shù)據(jù)集75被保存在緩存39中，歷史檢索單元38選擇最有可能的候選數(shù)據(jù)集75。緩存39的信息也可以被反饋給選擇單元31。SP，0LP10從接口 13接收由傳感器(第一傳感器)I測量出的第二已測量數(shù)據(jù)集(第二 MS數(shù)據(jù))51和表示該第二 MS數(shù)據(jù)51的測量環(huán)境的第二環(huán)境信息60，由處理單元20生成虛擬數(shù)據(jù)集71。選擇單元31添加被判斷為與前一數(shù)據(jù)或者直到前一數(shù)據(jù)為止的IMS數(shù)據(jù)51接近的虛擬數(shù)據(jù)集71的歷史，選擇接近新獲得的MS數(shù)據(jù)51的虛擬數(shù)據(jù)集71，或者生成虛擬數(shù)據(jù)集71相對于新獲得的IMS數(shù)據(jù)51的排序。典型地說，將與前一數(shù)據(jù)或者直到前一數(shù)據(jù)為止所獲得的MS數(shù)據(jù)51接近的虛擬數(shù)據(jù)集71的成分或產(chǎn)品(候選)與接近新獲得的IMS數(shù)據(jù)51的虛擬數(shù)據(jù)集71的成分或產(chǎn)品(候選)相同的虛擬數(shù)據(jù)集71的候選排序在接近對象的高位次。在傳感器I被放置在封閉的環(huán)境中的情況下，0LP10依次獲取的MS數(shù)據(jù)51是相同對象的已測量的數(shù)據(jù)集的可能性高。因而，與前一數(shù)據(jù)或者直到前一數(shù)據(jù)為止所獲得的IMS數(shù)據(jù)51接近的虛擬數(shù)據(jù)集71的共同性是對于選擇對象重要的信息。另一方面，在傳感器I被放置在開放式的環(huán)境中的情況下，幾乎不存在0LP10依次獲取的MS數(shù)據(jù)51是完全相同的對象的已測量數(shù)據(jù)集的可能性。在該0LP10中，使概率性處理單元20包含概率性的要素而生成虛擬數(shù)據(jù)集71。因而，在虛擬數(shù)據(jù)集71中包含有如下的數(shù)據(jù)集作為候選的可能性高，所述數(shù)據(jù)集包含有在開放式的環(huán)境中有可能包含的成分。因此，即使在開放式的環(huán)境中設(shè)置了傳感器I的情況下，與前一數(shù)據(jù)或者直到前一數(shù)據(jù)為止所獲得的頂S數(shù)據(jù)51接近的虛擬數(shù)據(jù)集71的共同性是對于選擇對象重要的信息。傳感器控制單元32也可以包含由0LP10主動(dòng)地控制傳感器I來提高對象的估計(jì)精確度的功能。例如在存在多個(gè)由選擇單元31選擇為對對象來說相同程度的次序(位次)的候選數(shù)據(jù)集75的情況下，有可能通過搜索組合出候選數(shù)據(jù)集75的已有的數(shù)據(jù)集81的譜圖信息82，能夠選擇一個(gè)或多個(gè)適合于將這些候選數(shù)據(jù)集75分離的電壓Vf。傳感器控制單元32將適于改變多個(gè)候選數(shù)據(jù)集75的排序的電壓Vf作為測量條件55反饋給驅(qū)動(dòng)器11，能夠?qū)⒑罄m(xù)的MS數(shù)據(jù)51改變?yōu)閷τ诟鞔_地確定候選數(shù)據(jù)集75的排序有用的數(shù)據(jù)。這樣，在該0LP10中，利用預(yù)測模型和/或添加概率性的要素來生成虛擬數(shù)據(jù)集71，由此增加作為搜索的對象的數(shù)據(jù)集71并擴(kuò)大搜索空間。通過增加虛擬數(shù)據(jù)集71，根據(jù)預(yù)測模型和環(huán)境信息60，加入概率性的和發(fā)現(xiàn)性的理論來生成接近傳感器I的對象的虛擬數(shù)據(jù)集71，由此使接近IMS數(shù)據(jù)51的虛擬數(shù)據(jù)集71增加，與此同時(shí)防止搜索空間無限制地?cái)U(kuò)大。因而，結(jié)果，接近IMS數(shù)據(jù)51的虛擬數(shù)據(jù)集71增加，實(shí)質(zhì)要搜索的空間大幅地縮小，并能夠在適當(dāng)?shù)臅r(shí)間內(nèi)選擇接近對象的一個(gè)或多個(gè)成分或產(chǎn)品，并能夠排序地顯示它們。圖4用流程圖示出對由傳感器I測量的對象進(jìn)行估計(jì)的方法的一例。在步驟101中，設(shè)置傳感器I的測量條件55。在FAMS傳感器的情況下，設(shè)定電場電壓Vf以及占空比等決定傳感器的基本動(dòng)作的參數(shù)，并設(shè)定補(bǔ)償電壓Vc的變動(dòng)范圍，由此能夠得到表示正電荷的離子和負(fù)電荷的離子的測量強(qiáng)度的譜圖來作為測量結(jié)果。已測量的數(shù)據(jù)集(MS數(shù)據(jù))51的一例是在某電壓Vf下的譜圖。MS數(shù)據(jù)51可以是在多個(gè)電壓Vf下得到的多個(gè)譜圖的組合，也可以是將譜圖的特征轉(zhuǎn)換為數(shù)字?jǐn)?shù)據(jù)后的信息。傳感器I的測量條件55的設(shè)置可以由0LP10進(jìn)行，也可以由終端2自動(dòng)地設(shè)置合適的測量條件55。在步驟102中，0LP10從終端2接收作為傳感器I的已測量的數(shù)據(jù)集的MS數(shù)據(jù)51和環(huán)境信息60。如上所述，0LP10也可以內(nèi)置于終端2。期望在環(huán)境信息60中包含有包含在上述物理性信息61和應(yīng)用信息62中的多種信息。然而，在該方法100和0LP10中，除了使用預(yù)測模型生成虛擬數(shù)據(jù)集71以外，還包括通過概率性的手段生成虛擬數(shù)據(jù)集71的情形。因此，即使是在限制了環(huán)境信息60所包含的信息量的情況下、或者幾乎不能得到環(huán)境信息60的情況下，也有可能生成與傳感器I所測量出的環(huán)境條件相匹配的虛擬數(shù)據(jù)集71。
首先，概率性生成單元220在步驟103中根據(jù)所得到的環(huán)境信息60和已有的數(shù)據(jù)集81來概率性地生成臨時(shí)候選數(shù)據(jù)集72、初始函數(shù)25以及初始值26。即使是在終端2未搭載有任何傳感器群69而無法得到物理性信息61的狀況下，生成單元220也能夠根據(jù)包含在應(yīng)用信息62中的位置信息、日期和時(shí)間的信息等，盡可能地估計(jì)出物理性信息61。另夕卜，0LP10通過向終端2的用戶進(jìn)行“熱、冷”、“幾度左右”、“天氣”、“悶熱”等的詢問，雖然精確度低，但是能夠獲得物理性信息61。概率性生成單元220還在步驟104中利用元啟發(fā)式的迭代算法概率性地和發(fā)現(xiàn)性地生成虛擬數(shù)據(jù)集75。迭代算法包含模擬退火法、平均場退火法、遺傳算法、免疫算法等，也可以使用它們中的任一個(gè)或?qū)⒍鄠€(gè)組合使用。步驟103和104是概率性生成單元220概率性地求出虛擬數(shù)據(jù)集75的一例。在步驟103中，將已有的多個(gè)數(shù)據(jù)集81中適合第一環(huán)境信息60的多個(gè)數(shù)據(jù)集以相對高的概率組合來生成多個(gè)第二已變換數(shù)據(jù)集(臨時(shí)候選數(shù)據(jù)集)72，在步驟104中，通過理論性的參數(shù)和/或?qū)嶒?yàn)性的參數(shù)對多個(gè)第二已變換數(shù)據(jù)集72進(jìn)行組合，來以接近第一已測量數(shù)據(jù)集GMS數(shù)據(jù))的特征點(diǎn)信息19為目標(biāo)，概率性地找出多個(gè)虛擬數(shù)據(jù)集71。概率性地求出的步驟的另一例包括以下內(nèi)容: 生成根據(jù)第一環(huán)境信息60在理論上和/或?qū)嶒?yàn)上改變已有的多個(gè)數(shù)據(jù)集81得到的多個(gè)第一已變換數(shù)據(jù)集；以及 概率性地組合多個(gè)第一已變換數(shù)據(jù)集來生成多個(gè)虛擬數(shù)據(jù)集71。生成多個(gè)虛擬數(shù)據(jù)集71的步驟也可以包括將多個(gè)第一已變換數(shù)據(jù)集組合來概率性地找出接近第一已測量數(shù)據(jù)集的多個(gè)虛擬數(shù)據(jù)集71。概率性地求出的步驟的另一例包括將已有的多個(gè)數(shù)據(jù)集81中適合第一環(huán)境信息60的多個(gè)數(shù)據(jù)集以相對高的概率組合來生成多個(gè)虛擬數(shù)據(jù)集71。在0LP10中，進(jìn)一步地，模擬器210在步驟105中利用將第一環(huán)境信息60作為參數(shù)的模型對已有的多個(gè)數(shù)據(jù)集81進(jìn)行變換來生成多個(gè)虛擬數(shù)據(jù)集71。在該步驟105中，也可以根據(jù)特征點(diǎn)信息19利用預(yù)測模型單獨(dú)或者組合地對已有的多個(gè)數(shù)據(jù)集81中適當(dāng)?shù)囊粋€(gè)或多個(gè)數(shù)據(jù)集進(jìn)行變換，來生成虛擬數(shù)據(jù)集71。步驟103和104的概率性生成虛擬數(shù)據(jù)集71的過程以及步驟105的利用預(yù)測模型生成虛擬數(shù)據(jù)集71的過程可以并行地執(zhí)行，也可以選擇任一個(gè)過程來生成虛擬數(shù)據(jù)集71。0LP10進(jìn)一步在步驟106中，能夠使用輸出單元30將包括虛擬數(shù)據(jù)集71的一個(gè)或多個(gè)候選數(shù)據(jù)集75按照接近對象的順序進(jìn)行排序并顯示。在步驟105中，也可以將多個(gè)候選數(shù)據(jù)集75根據(jù)導(dǎo)出它們的過程、例如迭代算法引擎22中的收斂度等的信息進(jìn)行排序，還可以不僅根據(jù)特征點(diǎn)而且重新計(jì)算原始的或者接近原始的MS數(shù)據(jù)51與候選數(shù)據(jù)集75之間的距離來排序顯示。在該估計(jì)方法100中，包括以下內(nèi)容:接收由傳感器I測量出的MS數(shù)據(jù)51 (步驟102)，概率性地對已得到的多個(gè)數(shù)據(jù)集81進(jìn)行組合來生成多個(gè)虛擬數(shù)據(jù)集(步驟103和104)，從包含多個(gè)虛擬數(shù)據(jù)集75的暫定的集合中選擇接近MS數(shù)據(jù)51的至少一個(gè)候選(步驟105)。雖然不限定于對基于DMS等的離子遷移率的物理量進(jìn)行測量的傳感器，但是在由傳感器得到的數(shù)據(jù)集中，測量對象物的特征的出現(xiàn)圖案受到各種要素的影響。因而，在已有的數(shù)據(jù)集中包含有受到這些要素的影響的數(shù)據(jù)集的概率小。并且，表示包含在已有的數(shù)據(jù)集中的測量對象的數(shù)據(jù)集最接近受到各種要素的影響的已測量的數(shù)據(jù)集的可能性低。也許能夠預(yù)測或估計(jì)表示包含在已有的數(shù)據(jù)集中的測量對象的數(shù)據(jù)集的基于各要素的出現(xiàn)圖案。然而，對出現(xiàn)圖案產(chǎn)生影響的所有要素都事先得到的情形較少。另外，完全明確對出現(xiàn)圖案產(chǎn)生影響的所有要素以及這些要素所產(chǎn)生的影響的情形較少。在該估計(jì)方法100中，通過概率性地對已有的多個(gè)數(shù)據(jù)集進(jìn)行組合來虛擬地?cái)U(kuò)大搜索對象(搜索空間)，使接近已測量的數(shù)據(jù)集的虛擬(偽)數(shù)據(jù)集概率性地增加,并在已測量的數(shù)據(jù)集附近配置測量對象物或者接近測量對象物的虛擬數(shù)據(jù)集。然后，通過搜索這樣的搜索空間，即使無法事先得到對出現(xiàn)圖案產(chǎn)生影響的所有要素，另外即使無法完全明確對出現(xiàn)圖案產(chǎn)生影響的所有要素和這些要素所產(chǎn)生的影響，也有可能得到測量對象物或者接近測量對象物的候選，并能夠提高測量對象物(對象)的估計(jì)概率。并且，在該方法中，設(shè)置接收表示已測量的數(shù)據(jù)集的測量環(huán)境的環(huán)境信息60的步驟，生成多個(gè)虛擬數(shù)據(jù)集的步驟包括以下內(nèi)容:將已有的多個(gè)數(shù)據(jù)集81按由環(huán)境信息60控制的概率進(jìn)行組合來生成多個(gè)虛擬數(shù)據(jù)集71。由于存在能夠通過環(huán)境信息60限定生成虛擬(偽)數(shù)據(jù)集71的范圍的可能性，因此能夠縮小搜索空間，并能夠縮短估計(jì)對象所需要的時(shí)間。上述所示的處理裝置10和估計(jì)方法100是將FAMS作為傳感器時(shí)的一例，傳感器不限定于FAMS，對于DMS或TOF (飛行時(shí)間型)IMS等其它方式的MS也能夠應(yīng)用。還能夠廣泛地應(yīng)用于需要進(jìn)行對若干個(gè)要素和/或因素復(fù)雜關(guān)聯(lián)的系統(tǒng)的輸出進(jìn)行測量的情形較多的傳感器的測量以及對測量對象進(jìn)行估計(jì)的系統(tǒng)。另外，處理裝置10可以存在于網(wǎng)絡(luò)上，也可以與傳感器I 一起搭載于終端2等裝置，并且，處理裝置10也可以搭載包括已有的數(shù)據(jù)集81的數(shù)據(jù)庫80。另外，估計(jì)方法100和處理裝置10能夠作為硬件邏輯而被安裝在LSI等硬件中。估計(jì)方法100和處理裝置10還能夠作為軟件(程序、程序產(chǎn)品)記錄在適當(dāng)?shù)挠涗浗橘|(zhì)中或者經(jīng)由網(wǎng)絡(luò)提供以由具有適當(dāng)?shù)挠布Y源的計(jì)算機(jī)執(zhí)行。該處理裝置10和方法100(以后是0LP)針對環(huán)境參數(shù)(溫度、濕度、壓力、流動(dòng)速率等)的變動(dòng)具有較高的搜索能力。因而，能夠應(yīng)用于包括防護(hù)、工程管理、監(jiān)視在內(nèi)的各種應(yīng)用。另外，OLP還提供包括新的化學(xué)物質(zhì)的登記、管理的數(shù)據(jù)庫管理系統(tǒng)。并且，OLP具有作為解析檢索引擎模塊的功能，提供用于容易地進(jìn)行連續(xù)監(jiān)視的異物檢測等的基于GUI的解析檢索引擎。另外，OLP具有作為數(shù)據(jù)收集模塊的功能，該數(shù)據(jù)收集模塊具備將數(shù)據(jù)采樣點(diǎn)定制成最適合于檢測對象物質(zhì)的功能。并且，OLP提供與預(yù)處理和解析處理用的多種算法相對應(yīng)的API。因而，能夠通過今后開發(fā)的或者用戶準(zhǔn)備的解析算法對功能進(jìn)行擴(kuò)展。并且，OLP也能夠提供一種面向云計(jì)算的API，能夠構(gòu)建利用因特網(wǎng)的服務(wù)器和客戶端系統(tǒng)。能夠應(yīng)用OLP的領(lǐng)域多種多樣，適合于實(shí)時(shí)分析、檢測、威脅檢測、香味分析、微量化學(xué)物質(zhì)的確定等。包含食品加工過程監(jiān)視、防護(hù)、香味行業(yè)、醫(yī)用和醫(yī)療領(lǐng)域、嗅覺處理的研究領(lǐng)域、水處理領(lǐng)域、娛樂的內(nèi)容開發(fā)。例如在飲料和食品質(zhì)量管理、醫(yī)藥品的質(zhì)量管理的領(lǐng)域中，對于食品來說檢測、確定危險(xiǎn)的物質(zhì)、存在安全性上的問題的化學(xué)物質(zhì)很重要，期待著應(yīng)用OLP來進(jìn)行解決。在防護(hù)的領(lǐng)域中，某種程度的快速處理以及更快的可靠的檢測很重要，存在通過應(yīng)用OLP來減少錯(cuò)誤動(dòng)作從而能夠提高檢測準(zhǔn)確度和精確度的可能性。另外，如應(yīng)對恐怖主義那樣的爆炸物質(zhì)、危險(xiǎn)物質(zhì)檢測要求始終針對最新信息進(jìn)行DB更新、DB化來在短時(shí)間內(nèi)高效地進(jìn)行登記、管理的功能。OLP有可能包括來自實(shí)際的應(yīng)用現(xiàn)場的反饋在內(nèi)靈活性高地響應(yīng)于這些要求。 在健康管理市場、室內(nèi)空調(diào)機(jī)監(jiān)視器的領(lǐng)域、例如呼吸監(jiān)測中，指出了特定的疾病、頑癥與作為生體反應(yīng)的結(jié)果的呼氣之間的因果關(guān)系，有可能通過應(yīng)用OLP能夠簡單地提供監(jiān)視功能。在除此以外的消費(fèi)應(yīng)用(consumer application)的領(lǐng)域中，OLP能夠進(jìn)行以半導(dǎo)體設(shè)備技術(shù)為基礎(chǔ)的產(chǎn)品擴(kuò)展和業(yè)務(wù)擴(kuò)展，能夠?qū)Ω鞣N用戶提供能夠輕松利用的分析技術(shù)。
權(quán)利要求
1.一種裝置，具有: 接口，其接收由第一傳感器測量出的第一已測量數(shù)據(jù)集和表示上述第一已測量數(shù)據(jù)集的測量環(huán)境的第一環(huán)境信息； 生成單元，其以由上述第一環(huán)境信息控制的條件對數(shù)據(jù)庫中已有的多個(gè)數(shù)據(jù)集進(jìn)行變換來生成多個(gè)虛擬數(shù)據(jù)集；以及 輸出單元，其從包括上述多個(gè)虛擬數(shù)據(jù)集的暫定的集合中選擇接近上述第一已測量數(shù)據(jù)集的至少一個(gè)候選并輸出該至少一個(gè)候選。
2.根據(jù)權(quán)利要求1所述的裝置，其特征在于， 上述生成單元將從上述數(shù)據(jù)庫獲取到的上述已有的多個(gè)數(shù)據(jù)集按由上述第一環(huán)境信息控制的概率進(jìn)行組合來生成上述多個(gè)虛擬數(shù)據(jù)集。
3.根據(jù)權(quán)利要求1或2所述的裝置，其特征在于，上述生成單元包括: 生成使上述已有的多個(gè)數(shù)據(jù)集基于上述第一環(huán)境信息理論上和/或?qū)嶒?yàn)上發(fā)生變化而得到的多個(gè)第一已變換數(shù)據(jù)集的單元；以及 將上述多個(gè)第一已變換數(shù)據(jù)集進(jìn)行組合來概率性地找出接近上述第一已測量數(shù)據(jù)集的上述多個(gè)虛擬數(shù)據(jù)集的單元。
4.根據(jù)權(quán)利要求1 3中的任一項(xiàng)所述的裝置，其特征在于， 上述生成單元包括將上述已有的多個(gè)數(shù)據(jù)集中適合于上述第一環(huán)境信息的多個(gè)數(shù)據(jù)集以相對高的概率進(jìn)行組合來生成上述多個(gè)虛擬數(shù)據(jù)集的單元。
5.根據(jù)權(quán)利要求1 4中的任一`項(xiàng)所述的裝置，其特征在于，上述生成單元包括: 將上述已有的多個(gè)數(shù)據(jù)集中適合于上述第一環(huán)境信息的多個(gè)數(shù)據(jù)集以相對高的概率進(jìn)行組合來生成多個(gè)第二已變換數(shù)據(jù)集的單元；以及 通過理論性的參數(shù)和/或?qū)嶒?yàn)性的參數(shù)將上述多個(gè)第二已變換數(shù)據(jù)集進(jìn)行組合來概率性地找出接近上述第一已測量數(shù)據(jù)集的上述多個(gè)虛擬數(shù)據(jù)集的單元。
6.根據(jù)權(quán)利要求1 5中的任一項(xiàng)所述的裝置，其特征在于， 上述生成單元包括模擬器，該模擬器利用將上述第一環(huán)境信息作為參數(shù)的模型對上述已有的多個(gè)數(shù)據(jù)集進(jìn)行變換來生成上述多個(gè)虛擬數(shù)據(jù)集。
7.根據(jù)權(quán)利要求6所述的裝置，其特征在于， 上述模擬器包括選擇上述已有的多個(gè)數(shù)據(jù)集中的適合于上述第一環(huán)境信息的多個(gè)數(shù)據(jù)集以利用上述模型對其進(jìn)行變換的單元。
8.根據(jù)權(quán)利要求6或7所述的裝置，其特征在于， 還具有提取上述第一已測量數(shù)據(jù)集的特征點(diǎn)的單元， 上述模擬器包括選擇上述已有的多個(gè)數(shù)據(jù)集中的上述特征點(diǎn)相同的多個(gè)數(shù)據(jù)集以利用上述模型對其進(jìn)行變換的單元。
9.根據(jù)權(quán)利要求1 8中的任一項(xiàng)所述的裝置，其特征在于， 上述輸出單元包括從上述接口輸出接近第二已測量數(shù)據(jù)集的至少一個(gè)候選和接近上述第一已測量數(shù)據(jù)集的至少一個(gè)候選中相同的候選的單元，其中，上述接近第二已測量數(shù)據(jù)集的至少一個(gè)候選是根據(jù)由上述第一傳感器測量出的第二已測量數(shù)據(jù)集和第二環(huán)境信息選擇出的，該第二環(huán)境信息表示上述第二已測量數(shù)據(jù)集的測量環(huán)境。
10.根據(jù)權(quán)利要求1 9中的任一項(xiàng)所述的裝置，其特征在于，上述第一環(huán)境信息包含由第二傳感器測量出的表不第一傳感器的測量環(huán)境的數(shù)據(jù)、由第三傳感器測量出的位置信息以及通過照相機(jī)或外部輸入接口輸入的應(yīng)用信息中的至少一個(gè)。
11.根據(jù)權(quán)利要求1 10中的任一項(xiàng)所述的裝置，其特征在于， 還具有傳感器控制單元，該傳感器控制單元對上述第一傳感器輸出測量條件。
12.根據(jù)權(quán)利要求1 11中的任一項(xiàng)所述的裝置，其特征在于， 還具有上述第一傳感器。
13.根據(jù)權(quán)利要求1 12中的任一項(xiàng)所述的裝置，其特征在于， 還具有上述數(shù)據(jù)庫。
14.根據(jù)權(quán)利要求1 13中的任一項(xiàng)所述的裝置，其特征在于， 上述輸出單兀輸出上 述候選的產(chǎn)品名。
15.一種程序，使計(jì)算機(jī)作為根據(jù)權(quán)利要求1至14中的任一項(xiàng)所述的裝置而發(fā)揮功能。
16.一種方法，用于處理裝置對由第一傳感器測量出的數(shù)據(jù)進(jìn)行處理，該方法包括以下步驟: 上述處理裝置接收由上述第一傳感器測量出的第一已測量數(shù)據(jù)集； 上述處理裝置接收表示上述第一已測量數(shù)據(jù)集的測量環(huán)境的第一環(huán)境信息； 上述處理裝置以由上述第一環(huán)境信息控制的條件對已有的多個(gè)數(shù)據(jù)集進(jìn)行變換來生成多個(gè)虛擬數(shù)據(jù)集；以及 上述處理裝置從包括上述多個(gè)虛擬數(shù)據(jù)集的暫定的集合中選擇接近上述第一已測量數(shù)據(jù)集的至少一個(gè)候選。
17.根據(jù)權(quán)利要求16所述的方法，其特征在于， 上述生成多個(gè)虛擬數(shù)據(jù)集的步驟包括以下步驟:將上述已有的多個(gè)數(shù)據(jù)集按由上述第一環(huán)境信息控制的概率進(jìn)行組合來生成上述多個(gè)虛擬數(shù)據(jù)集。
18.根據(jù)權(quán)利要求16或17所述的方法，其特征在于， 上述生成多個(gè)虛擬數(shù)據(jù)集的步驟包括以下步驟: 生成使上述已有的多個(gè)數(shù)據(jù)集基于上述第一環(huán)境信息理論上和/或?qū)嶒?yàn)上發(fā)生變化而得到的多個(gè)第一已變換數(shù)據(jù)集；以及 概率性地對上述多個(gè)第一已變換數(shù)據(jù)集進(jìn)行組合來生成上述多個(gè)虛擬數(shù)據(jù)集。
19.根據(jù)權(quán)利要求18所述的方法，其特征在于， 上述生成多個(gè)虛擬數(shù)據(jù)集的步驟包括以下步驟:將上述多個(gè)第一已變換數(shù)據(jù)集進(jìn)行組合來概率性地找出接近上述第一已測量數(shù)據(jù)集的上述多個(gè)虛擬數(shù)據(jù)集。
20.根據(jù)權(quán)利要求16 19中的任一項(xiàng)所述的方法,其特征在于， 上述生成多個(gè)虛擬數(shù)據(jù)集的步驟包括以下步驟:將上述已有的多個(gè)數(shù)據(jù)集中適合于上述第一環(huán)境信息的多個(gè)數(shù)據(jù)集以相對高的概率進(jìn)行組合來生成上述多個(gè)虛擬數(shù)據(jù)集。
21.根據(jù)權(quán)利要求16 20中的任一項(xiàng)所述的方法,其特征在于， 上述生成多個(gè)虛擬數(shù)據(jù)集的步驟包括以下步驟: 將上述已有的多個(gè)數(shù)據(jù)集中適合于上述第一環(huán)境信息的多個(gè)數(shù)據(jù)集以相對高的概率進(jìn)行組合來生成多個(gè)第二已變換數(shù)據(jù)集；以及 通過理論性的參數(shù)和/或?qū)嶒?yàn)性的參數(shù)將上述多個(gè)第二已變換數(shù)據(jù)集進(jìn)行組合，來概率性地找出接近上述第一已測量數(shù)據(jù)集的上述多個(gè)虛擬數(shù)據(jù)集。
22.根據(jù)權(quán)利要求16 21中的任一項(xiàng)所述的方法,其特征在于， 上述生成多個(gè)虛擬數(shù)據(jù)集的步驟包括以下步驟:利用將上述第一環(huán)境信息作為參數(shù)的模型對上述已有的多個(gè)數(shù)據(jù)集進(jìn)行變換來生成上述多個(gè)虛擬數(shù)據(jù)集。
23.根據(jù)權(quán)利要求22所述的方法，其特征在于， 利用上述模型進(jìn)行變換來生成多個(gè)虛擬數(shù)據(jù)集的步驟包括以下步驟:利用上述模型對上述已有的多個(gè)數(shù)據(jù)集中的適合于上述第一環(huán)境信息的多個(gè)數(shù)據(jù)集進(jìn)行變換來生成上述多個(gè)虛擬數(shù)據(jù)集。
24.根據(jù)權(quán)利要求22或23所述的方法，其特征在于， 利用上述模型進(jìn)行變換來生成多個(gè)虛擬數(shù)據(jù)集的步驟包括以下步驟: 提取上述第一已測量數(shù)據(jù)集的特征點(diǎn)；以及 利用上述模型對上述已有的多個(gè)數(shù)據(jù)集中的上述特征點(diǎn)相同的多個(gè)數(shù)據(jù)集進(jìn)行變換來生成上述多個(gè)虛擬數(shù)據(jù)集。
25.根據(jù)權(quán)利要求16 24中的任一項(xiàng)所述的方法，其特征在于，還包括以下步驟: 接收由上述第一傳感器測量出的第二已測量數(shù)據(jù)集； 接收表示上述第二已測量數(shù)據(jù)集的測量環(huán)境的第二環(huán)境信息； 以由上述第二環(huán)境信息控制的條件對已有的多個(gè)數(shù)據(jù)集進(jìn)行變換來生成多個(gè)虛擬數(shù)據(jù)集；` 從包含上述多個(gè)虛擬數(shù)據(jù)集的暫定的集合中選擇接近上述第二已測量數(shù)據(jù)集的至少一個(gè)候選；以及 選擇接近上述第一已測量數(shù)據(jù)集的至少一個(gè)候選和接近上述第二已測量數(shù)據(jù)集的至少一個(gè)候選中相同的候選。
全文摘要
提供一種裝置(10)，具有接口(13)，其接收由FAIMS(1)測量出的第一已測量數(shù)據(jù)集(51)和表示第一已測量數(shù)據(jù)集的測量環(huán)境的第一環(huán)境信息(60)；生成單元(200)，其將數(shù)據(jù)庫(80)中已有的多個(gè)數(shù)據(jù)集(81)以由第一環(huán)境信息(60)控制的條件進(jìn)行變換來生成多個(gè)虛擬數(shù)據(jù)集(71)；以及輸出單元(30)，其從包括多個(gè)虛擬數(shù)據(jù)集(71)的暫定的集合中選擇接近第一已測量數(shù)據(jù)集(51)的至少一個(gè)候選并輸出該至少一個(gè)候選。
文檔編號(hào)G01N27/62GK103201621SQ20118005293
公開日2013年7月10日 申請日期2011年8月31日 優(yōu)先權(quán)日2010年8月31日
發(fā)明者今井彰, 佐藤友美, 柏拉卡斯·斯里達(dá)爾·穆爾蒂 申請人:Atonarp株式會(huì)社